پیشبینی سرعت جریان در کانال مرکب پوشیده از یخ با استفاده از شبکه عصبی مصنوعی (ANN) و جنگل تصادفی(RF)

یکی از مهمترین انواع مجراهای انتقال آب، کانالهای مرکب هستند. وجود این کانال ها در مناطق سردسیر موجب ایجاد پوشش یخ در سطح جریان و تاثیر بر ویژگیهای هیدرولیکی آن می گردد. لذا این پژوهش به مدلسازی توزیع سرعت جریان در کانال های مرکب یخپوش با استفاده از یادگیری ماشین پرداخته است. دادههای آزمایشگاهی از مطالعات پیشین استخراج و با دو مدل شبکه عصبی مصنوعی (ANN) و جنگل تصادفی (RF) تحلیل شدند. نتایج نشان داد ANN با MAE=۰.۰۳۵۴، RMSE=۰.۰۵۴۳ و R²=۰.۹۹۹۸ عملکردی برتر از مدل جنگل تصادفی با مقادیر خطا MAE=۰.۱۰۴۶، RMSE=۰.۱۴۶۷، R²=۰.۹۹۸۵ دارد، که ناشی از توانایی ANN در تقریب روابط غیرخطی پیچیده است. تحلیل باقیمانده ها توزیع تصادفی خطاها را حول صفر (میانگین≈ ۰.۶۳۰۰) و عدم سوگیری مدل را تایید کرد. این مطالعه گواهی بر کارایی مدل های یادگیری ماشین، بهویژه ANN، در پیش بینی رفتار جریان در شرایط پیچیده هیدرولیکی است.

کلیدواژه ها:

کانال مرکب ، پوشش یخ ، شبکه عصبی مصنوعی ، جنگل تصادفی